AI 写代码总是乱？吴恩达力推的测试驱动开发（TDD），能帮你兜底

作者：hepingfly【gzh：和平本记】

2025-09-20
浙江
本文字数：4122 字
阅读完需：约 14 分钟

为什么 AI 写代码总是乱？因为它没目标。测试驱动开发（TDD）就是给它戴上眼罩还能跑直线的护栏。

你有没有遇到过这种情况，你对 AI 说，「帮我写个登录功能」

结果，它给你加了个验证码功能，但你根本没打算要。或者它只支持密码登录，完全不管手机号、第三方登录。

更糟糕的是，你改了一个小 bug，却莫名其妙导致其他功能挂掉。

这就是 AI 编程的三大痛点：

1、模糊性

AI 天生就具有创造性和模糊性，你用自然语言描述一个需求，比如：帮我写一个登录功能。

AI 对这句话的理解可能有十几种方式。它可能会添加「记住我」功能，或者选择一个你并不喜欢的验证库，或者仅仅支持密码登录，不支持手机号等其他第三方登录。

这种不确定性是 AI 编程最大的挑战。

2、缺乏全局感知

AI 缺乏对整个代码库的全局理解。

你让它修复一个小 bug，它可能会在修复的同时，无意中破坏了几个其他不相关的功能。

这种「回归」问题在 AI 编程中非常常见，而且极难察觉。

3、调试成本高

传统的编程流程是：写代码 -> 手动测试 -> 发现 bug -> 人工调试。

而调试是整个编程环节中最耗费心智和时间的部分，有的 bug 你在调试过程中甚至能直接把你弄崩溃。

那有没有办法，把这匹野马拉回跑道？

答案是：测试驱动开发（TDD）。

测试驱动开发（TDD）怎么解决这些问题？

TDD 的核心，就是先写测试，再写代码。这一步，彻底改变了你和 AI 的协作模式。

1、把模糊需求变成精确目标：

我们通过编写测试用例，将模糊的自然语言需求，转化为精确、可执行的机器语言规范。

1）没测试时

你想让 AI 帮你写一个用户登录注册功能，AI 随便发挥，最后是不是你想要的？看运气。

2）有测试时

我们先把测试写好：

当输入有效邮箱和密码时，数据库里必须多一条记录，并且函数返回一个包含用户 ID 的对象。
当密码少于 8 位时，必须抛出 PasswordTooShortError 异常。

这样 AI 在写代码的时候就能明白他的目标是什么，测试用例可以将 AI 的创造力约束在一个确定的轨道上，迫使它精准地实现你想要的行为，而不是它自己想象的行为。

2、给你一张回归安全网：

一套全面的测试套件，就是一张「回归」安全网。

当你让 AI 进行任何修改（无论是添加新功能还是修复 bug）后，你只需运行一遍完整的测试。

如果某个不相关的测试突然失败了，你就立刻知道 AI 的这次修改产生了副作用。

你可以马上让 AI 撤销修改（或用 git reset），并告诉它：你的修改破坏了 test_user_profile_update 这个测试，请在不破坏它的前提下重新修复。

有了这张网，AI 再也不敢牵一发而动全身。

3、调试从此更轻松：

传统流程：写代码 → 手动测试 → 找 bug → 人工调试。

TDD 流程：写测试 → AI 写代码 → 跑测试 → 把失败日志丢给 AI。

AI 比人类更擅长读机器日志。你只需要做反馈提供者，不用再一行行 debug。

如何快速上手？

现在我们知道的测试驱动开发的好处，那怎么样去编写清晰、全面的测试用例呢？

1、核心原则

编写清晰、全面的测试用例，本质上就是在为 AI 设定一个明确、无歧义的目标和验收标准。

所以，编写测试用例的黄金法则是：只描述「做什么」 (What)，不要规定「怎么做」 (How)。

1）做什么

当输入 X 时，系统应该产生输出 Y，并且其状态应该从 A 变为 B。

2）怎么做

不要在测试用例里告诉 AI 要用哪个算法、哪个设计模式。那是它的工作。

你的任务就是定义所有可能的行为场景和预期结果。

2、实际案例

我们以一个常见的需求为例：

创建一个用户注册函数

第 1 步：定义核心成功路径

首先，思考这个功能在最理想、最正常的情况下应该如何工作。

1）行为

一个新用户使用有效的邮箱和密码进行注册。

2）预期结果

数据库中应该新增一个用户记录。
新用户的邮箱和密码应该被正确保存。
函数应该返回成功状态或新创建的用户对象。

测试用例举例：

# 文件名: test_user_registration.py
def test_successful_registration_with_valid_credentials():    """    测试：当提供有效的邮箱和密码时，用户应该能成功注册。    """    # 1. 准备 (Arrange) - 定义输入数据    email = "test@example.com"    password = "a_strong_password123"
    # 2. 执行 (Act) - 调用我们想让AI实现的函数    result, new_user = register_user(email, password)
    # 3. 断言 (Assert) - 验证结果是否符合预期    assert result.is_success() is True  # 检查返回状态    assert new_user is not None  # 确保返回了用户对象    assert new_user.email == email  # 检查邮箱是否正确    assert database.find_user_by_email(email) is not None  # 确认用户已存入数据库

复制代码

测试函数的名称 test_successful_registration_with_valid_credentials 要取的非常直白，让 AI 能直接从名字理解测试的意图。

通过断言（assert）部分就可以知道验证结果是否符合预期。

第 2 步：定义已知的失败路径和边界情况

这一步你需要思考，在哪些情况下这个功能应该会失败？这部分至关重要，因为它为 AI 提供了护栏，防止它写出有漏洞的代码。

场景 1：无效的邮箱格式

1）行为

用户尝试用一个格式不正确的邮箱注册。

2）预期结果

注册应该失败，不能在数据库中创建用户，并返回一个明确的错误信息。

测试用例举例：

def test_registration_fails_with_invalid_email_format():    """    测试：当邮箱格式无效时，注册应该失败。    """    email = "not-an-email"    password = "a_strong_password123"
    result, new_user = register_user(email, password)
    assert result.is_success() is False  # 必须失败    assert "Invalid email format" in result.error_message  # 检查错误信息    assert database.find_user_by_email(email) is None  # 确保数据库里没有创建用户

复制代码

场景 2：密码太短

1）行为

用户尝试使用一个过短的密码注册。

2）预期结果

注册失败，并提示密码太短。

测试用例举例：

def test_registration_fails_with_password_too_short():    """    测试：当密码少于8个字符时，注册应该失败。    """    email = "test@example.com"    password = "short"  # 假设我们规定密码至少8位
    result, new_user = register_user(email, password)
    assert result.is_success() is False    assert "Password is too short" in result.error_message

复制代码

场景 3：邮箱已被注册

1）行为

用户尝试使用一个已经存在于数据库中的邮箱进行注册。

2）预期结果

注册失败，并提示邮箱已被使用。

def test_registration_fails_when_email_already_exists():    """    测试：当邮箱已经被注册时，再次注册应该失败。    """    # 准备：先在数据库里创建一个用户    existing_email = "existing@example.com"    database.create_user(email=existing_email, password="some_password")
    # 执行：尝试用同一个邮箱再次注册    result, new_user = register_user(existing_email, "another_password")
    assert result.is_success() is False    assert "Email already in use" in result.error_message

复制代码

第 3 步：将测试用例交给 AI

现在，你已经有了一个清晰、全面的测试文件 (test_user_registration.py)。接下来，你与 AI 的互动就变得非常简单和高效：

1）提供上下文

将整个测试文件的代码提供给 AI。

2）提示词和 AI 交互

这是我的测试文件 test_user_registration.py。请在 user_service.py 文件中编写 register_user 函数的实现，确保它能够通过所有这些测试。这个函数需要与一个 database 对象交互。

3）迭代与反馈

AI 会生成第一版代码，然后你把测试运行起来，这时候很有可能会有几个测试失败。你将测试失败的完整输出日志直接复制粘贴给 AI，说：这个测试失败了，这是日志，请修复它。

AI 就会根据错误日志自动去修复代码问题，然后重复这个过程，直到所有的测试全部通过。

这样你的用户注册功能就算完整开发好了，就算后面再开发其他功能的时候不小心修改了这部分的代码，你只要跑一遍测试用例，就知道这部分功能有没有问题。

关键技巧总结

最后总结一下测试驱动开发，编写测试用例的一些重要关键点。

1）命名一定要见名知意，容易理解

函数名和变量名应该像一个句子一样描述其意图，让人一看就能理解，这样 AI 也容易理解你这个测试是干嘛用的

2）单一职责原则

每个测试用例只测试一个具体的行为或场景。不要把多个检查混在一个测试里。

3）使用 Arrange-Act-Assert 结构

这是一种标准的测试模式，它清晰地分开了「准备数据」、「执行操作」和「验证结果」，AI 非常擅长理解这种结构化的逻辑。

Arrange（准备）：为你的测试设置好所有的「前提条件」和「输入数据」。

Act（执行）：执行你真正想要测试的那个核心动作或函数。

Assert（断言）：验证执行步骤的结果是否符合你的预期。

使用 AAA 模式的清晰测试案例：

def test_successful_login_returns_auth_token():    # Arrange (准备)    email = "test@test.com"    password = "password123"    # 假设用户已经存在于数据库中    create_user_in_database(email, password)
    # Act (执行)    auth_token = login_service.login(email, password)
    # Assert (断言)    assert auth_token is not None    assert isinstance(auth_token, str)    assert len(auth_token) == 32 # 假设token是32位